卷積:
SAME:輸入大小不夠時會在右邊加padding補足。output_shape = ceil(input_shape/ stride_size)
VALID:output_shape = ceil((input_shape + kernel_shape - 1) / stride_size)
池化:
池化沒有參數,除非使用tf.nn.max_pool_with_argmax_and_mask記錄pool時的最大值下標
反捲積:
在卷積核大小大於輸入大小時,padding默認使用VALID,置SAME沒有意義。
padding設置VALID時,stride大小不能大於1;設置爲SAME時,要指定output_shape,因爲會有兩種可能輸出。
反池化(unpool):
unPool會需要使用pool時記錄的最大值下標
tf.nn.max_pool_with_argmax_and_mask
tf.nn.max_unpool(input, max_pool_with_argmax_and_mask,...)
上採樣(upsampling):
使用簡單複製或者插值的方式。